1. 서론
최근 기후변화 영향에 따라 전 세계적으로 인 명피해 및 재산피해를 유발하는 자연재난이 지속 적으로 증가하고 있다. 기후변화에 관한 정부간 협의체(Intergovernmental panel on Climate Change, IPCC)의 제 5차 평가 보고서(Fifth assessment report, AR5)에 따르면, 기후변화 로 극한 기상의 발생패턴이 변화되어 홍수, 가 뭄, 폭설 등 기상이변이 더욱 증가하여 피해가 심 각해질 것이라고 한다. 전 세계적으로 자연재해 발생건수를 살펴보면 기후관련 재해가 지질학적 재해보다 훨씬 큰 것으로 나타나며, 자연재해별 피해현황을 원인별로 살펴보면 풍수해가 대부분
을 차지하고 있다. 풍수해 피해 중 가장 큰 피해 를 야기하는 것은 홍수와 태풍이며, 겨울 재난인 대설 피해도 세 번째 순위를 기록하고 있다. 실 제로 행정안전부에서 발간하는 재해연보(2014) 에 따르면, 1994년부터 2013년까지 지난 20년 간 자연재해에 의한 피해액은 12조 3천억 원으 로 집계되었으며, 이 중 강우와 태풍에 의한 피해 가 85%, 대설에 의한 피해는 약 13%이다. 과거 우리나라는 지난 2004년 3월 충청지역의 대설과 2005년 3월 영동·영남지역의 대설은 교통체증 및 막대한 재산피해를 가져오고, 2010년 1월 서 울에서 40년 만에 최대 적설량을 기록한 것을 비 롯하여 2011년 2월에는 동해안의 폭설로 인하여 동해안지방의 최심신적설량 극값 최대치의 적설 량을 기록하였다.
그림 1~2에서 볼 수 있는 것과 같이, 폭설로 인 한 피해는 다양한 형태로 나타나며, 대설로 인한 피해를 유형별로 나누면, ①눈이 많이 쌓여서 발 생하는 적설 피해, ②눈압력에 의해서 발생하는 설압 피해, ③쌓인 눈이 가파른 경사면에서 미끄 러져 발생하는 눈사태 피해, ④젖은 눈이 송전선 이나 기타 가설물에 부착되어서 발생하는 착설피 해, ⑤도로 빙판화에 따른 교통사고 피해, ⑥대설 발생 후 관리 소홀에 의한 피해 등 크게 6가지로 구분된다.
정 건 희 호서대학교
건축토목환경공학부 조교수 [email protected] 이 형 주
호서대학교 건축토목환경공학부 토목공학전공 석사과정 [email protected]
Water for Future
대설관련 피해 자료 조사를 위하여 재해연보를 살펴본 결과, 재해연보에 구분하여 기록된 건물, 농경지, 농작물, 선박과 총 12개의 공공시설 및 6 개의 사유시설 항목 중 대설피해가 가장 많이 발 생하는 시설물은 사유시설인 비닐하우스였다. 비 닐하우스 피해의 가장 큰 원인은 대부분 앞에서 언급한 피해 유형 중 눈이 많이 쌓여서 피해가 나 거나 적설 하중에 의한 피해이다 (그림 3~4). 비 닐하우스의 폭설 피해는 매년 반복되며, 대표적 으로 2001년 1월 7일과 9일 사이 경기 남부, 강 원 일부 지역, 충북, 충남, 경북 지역에 20~40cm 의 폭설이 내려 비닐하우스 3,370ha가 파손되 고, 496ha의 작물피해가 발생하였으며, 이어서 2 월 15일에는 경기 북부와 강원지역에 폭설이 내려 1,518ha의 비닐하우스가 파손되어 전체 시설면적 52,189ha의 9.4%에 해당하는 막대한 피해가 발생
하였다. 이 피해를 야기한 폭설의 특징은 단시간 내에 지역적으로 집중하여 내렸다는 것이며, 일부 지역은 습설로 내리거나 눈이 쌓인 후에 비가 내 려 피해가 가중되었다.
비닐하우스 피해는 아래 그림 5와 같은 형태로 나타나며, 과대 설하중에 견디지 못하고 지붕서까 래가 파손되면서 M자 형태로 주저앉는 경우가 가 장 많이 발생한다. 특히, 연동형은 연동곡부의 과 대 설하중과 같이 곡부에 과대 설하중이 작용하여 서까래가 눌리면서 기둥이 꺾이고 기울어진 형태 로 눌리면서 기둥이 꺾이고 기울어진 형태로 파손 되었으며, 특히 난방을 하지 않은 하우스에서 피 해 발생이 크게 나타난다.
우리나의 농업 생산량 중에서 비닐하우스와 같은 온실을 이용하는 시설농업이 차지하는 비 중이 매년 증가하고 있으며, 대설에 의한 피해 그림 1. 폭설 피해 사례(1)
그림 3. 폭설로 인한 비닐하우스 피해(1)
그림 2. 폭설 피해 사례(2)
그림 4. 폭설로 인한 비닐하우스 피해(2)
시설의 많은 부분을 비닐하우스가 차지하고 있 으므로, 과거 피해 자료를 바탕으로 적설량에 따 른 비닐하우스의 피해를 예측하기 위한 모형을 개발하였다.
2. 대설 피해 예측 함수 개발
본 연구에서는 재난통계에 기반한 대설피해 가 자주 발생하는 지역을 선정하기 위해 국민안 전처 (Ministry of Public Safety and Security, MPSS) 에서 매년 발간하는 재해연보를 조사하였 다. 재해연보에 따르면 1994년부터 2015년까지
총 21년 간, 각 시군구별로 0건에서 최대 약 20건 의 대설 피해가 발생하였으며, 전국의 시군구별 대설 피해 빈도를 나타낸 결과 그림 6과 같이 충청 도, 전라도, 강원도 지역에서 상대적으로 높은 빈 도가 나타났다.
적설심을 포함해 대설피해 유발인자 선정을 위 한 현장조사 및 분석을 실시하였다. 2017년 1월23 일~26일, 강원도 강릉 지역과 삼척, 양양, 정선 지역의 비닐하우스 피해 현황 조사를 실시하였다.
조사 결과 낮은 적설심에서는 비닐하우스 난방이 나 제설작업 등으로 인해 비닐하우스 지붕에는 눈 이 남아 있지 않아 실제 피해로 이어지는 경우가 많지 않았다(그림 7). 또한 북강릉 기상 관측소의 최심적설심이 18cm 이상인 경우에도 실제로 비닐 하우스 지붕에는 눈이 남아있지 않은 경우가 대부 분이며, 일부 태양 차광막을 제거하지 않은 경우 에만 비닐하우스 지붕에서 눈을 볼 수 있었다.
그림 7의 북강릉관측소 적설심 관측 지점 사진 을 보면, 최심신적설과 최심적설을 측정하는 모 습을 볼 수 있다. 사진에서와 같이 매일 정해진 시간에 사전 적설을 치우고 새롭게 내린 눈의 깊 이만을 측정한 것을 최심신적설심이라 하며, 과 거에 내린 적설량까지 모두 포함한 적설심을 최 심적설심이라 한다. 또한 최심적설이 18 cm 인 데도, 근처 비닐하우스의 지붕에는 이전 시간에 내린 적설이 남아있는 경우가 많지 않은 것을 확 그림 6. 대설 피해 발생 빈도 (재해연보, 2014) 인했다.
그림 5. 비닐하우스 설해 피해 유형
Water for Future
2.1 대설 피해 유발 인자
앞에서 설명한 바와 같이, 대설 피해가 가장 많 이 발생했던 충청도, 전라도, 강원도 지역을 대상 으로 1994년부터 2015년까지 총 21년 동안 재해 연보에 집계된 시군구별로 발생한 대설피해액을 종속변수로 추정하기 위한 다중회귀모형을 개발 하는 것이 목적이다. 그러므로 대설 피해액을 재 해연보에서 조사하였으며, 모두 해당 연도의 피해 액으로 제시되기 때문에 물가환산계수를 곱하여 2015년 생산자 물가지수로 환산하였다.
우리나라의 대설피해는 앞 절에서 언급한 바와 같이 주로 비닐하우스, 축사·잠사와 기타 사유시 설 항목에서 발생한다. 이들은 대부분 설하중에 의 해 온실이나 축사 등이 붕괴되어 발생하는 피해 가 대부분이므로, 적설하중에 영향을 미치는 인자 들을 우선 선별해야 한다. 적설하중은 눈의 상태 에 따라 크게 달라지는데, 일반적으로 건설인 경 우와 습설인 경우 두 가지로 구분한다고 알려져 있 다. Gooch (1999)에 따르면, 습기를 머금은 정도 에 따라 달라지는 습설의 단위중량은 건설의 단위
중량보다 약 7 배까지 더 나가는 것으로 알려져 있 다. 즉 눈의 무게는 습도와 기온에 따라 달라질 수 있다고 추정할 수 있다. 따라서 본 연구에서는 대 설피해 유발인자의 기상적인 요인으로 최심신적설 량, 최고기온, 최저기온, 상대습도를 고려하였다.
또한, 과거 대설피해는 주로 온실이나 축사·잠 사 같은 농가의 경량시설물에서 발생하였다. 이 러한 경량시설물의 피해가 큰 것은 다른 건축물 에 비해 설계 적설 하중이 작기 때문이기도 하지 만, 현장 조사에서 알 수 있었던 것과 같이, 강설 시 제설작업이나 시설물의 노후도 등이 피해에 영 향을 미치기 때문이기도 하다. 농촌지역에 노령인 구가 많을 경우에는 신속한 제설작업이 쉽지 않을 것으로 예상하여 시군구의 면적과 비닐하우스 면 적, 농가인구, 60세 이상 농가인구를 사회·경제 적인 입력변수로 고려하였다.
그러므로 대설에 따른 비닐하우스의 피해 규모 를 예측하기 위해 적설심 뿐만 아니라 기온(최고기 온, 최저기온, 평균기온)이나 농가인구 및 농가의 60세 인상 인구, 비닐하우스의 면적 등이 영향을 그림 7. 대설 발생지역 현장조사 결과
모집단의 현상을 추정 예견하는 통계적 추론기법 이다. 주된 목적은 독립변수의 값을 지정 했을 때 의 종속변수가 갖는 값의 정확한 추정에 있다. 회 귀분석은 변수의 분포에 따라 단순회귀분석, 다중 회귀분석 등으로 구분할 수 있다. 단순회귀분석 은 독립변수(dependent variable) 1개, 종속변수 (independent variable) 1개로 두 변수의 관계를 직선관계(1차 함수)로 가정하는 경우이다. 다중회 귀분석은 독립변수가 2개 이상이고, 종속변수는 1 개로 이들 사이에 직선관계(1차 함수)로 가정하는 경우이다. 다중회귀분석은 단순회귀분석의 연장선 이라 할 수 있다. 회귀분석을 이용하여 구축된 모 형을 회귀모형이라고 불리며, 그식은 다음 (1)과 같다.
(1)
여기서, X는 독립변수, Y는 종속변수이고, , 는 회귀계수를 의미한다. 이는 단순회귀식이라 하 고, 이를 연장시킨 다중회귀분석의 식은 다음 (2)와 같다.
(2)
회귀모형에서 를 회귀계수라
부르며, 데이터로부터 추정된다. 는 독립변수가 한 단위씩 증가할 때 종속변수( )의 변동향을 나 타낸다. 또한, 다중 회귀분석에서는 많은 독립변 수 중 종속변수에 가장 큰 영향을 주는 변수만을
농 촌 진 흥 청 의 ‘ 지 역 별 원 예 특 작 시 설 물 의 적설심 설계 기준’ (Rural Development Administration, 2014)에 따르면 최소 20 cm ~ 40 cm 이상의 설계 적설심이 제시되어 있음에도 불구하고, 재해연보의 비닐하우스 피해사상에 따 른 기상청 적설심 데이터를 조사해보면, 관측된 적설심이 10 cm 미만인데도 큰 피해가 발생한 경 우가 다수 존재한다. 그러므로 본 연구에서는 최 소 설계 적설심인 20 cm의 절반 이하인 10 cm 이 하에서 피해가 발생한 경우에는 단순히 적설로 인 한 피해가 아니고 유지관리나 다른 외적인 영향 에 의해 발생한 피해라고 가정하였다. 이런 종류 의 피해를 예측하는 것은 거의 불가능하므로 적설 심 10 cm 이하의 자료는 분석대상에서 제외하고, 적설심별 (최심신적설, 최심적설) Case를 임의로 6개로 구분하여 총 12개의 모형을 개발하였다. 예 를 들어 최심적설심을 기준으로 Case별 적설심 은 10 cm 이상의 피해사상 모두를 고려한 case 1, 13 cm 이상의 피해사상을 모두 고려한 case 2, 15 cm 이상의 피해사상인 case 3, 18 cm 이상 의 피해사상인 case 4, 20 cm 이상의 피해사상인 case 5, 25 cm 이상의 피해사상인 case 6로 구분 하였으며, 최심신적설심의 경우에도 같은 기준으 로 case 7~12를 구성하였다. Case별 분석에 이 용된 사상 개수를 표 1~2에 나타내었다. 즉, 적설 심을 제외한 데이터는 공통으로 사용하고, 적설심 종류(최심적설량, 최심신적설량)와 적설심도에 따 라 총 12개의 Case로 구분하였다. 최심적설심보다 최심신적설심이 더 작기 때문에 표본의 수도 같은
Water for Future
적설심 기준에서 차이를 보인다.
다중회귀모형을 개발할 경우, 독립변수들 간 의 상관관계로 인해 발생할 수 있는 다중공선성 은 개발된 모형의 정확성을 떨어뜨리므로 다중공 선성에 대한 검토가 필요하다. 다중공선성이 크다 는 것은 하나의 설명변수가 다른 설명변수에 의존 한다는 것을 의미하며, 이는 회귀분석 설명변수들 이 서로 독립이라는 가정에 위배되어 모형의 효 율을 떨어트리는 요인이 된다. 다중공선성 진단은 설명변수들의 상관관계나 분산팽창계수(Variance Inflation Factor, VIF)를 통하여 조사할 수 있다.
분산팽창계수는 설명변수 간에 상관관계가 있을 경우 추정된 회귀 계수의 분산이 증가하는 정도를 측정한다. 일반적으로 분산팽창계수가 1이면 다중 공선성이 존재하지 않음을 의미하며, 분산팽창계 수가 10 이상인 경우에는 다중공선성에 문제가 있 다고 판단한다.
선택된 8개 설명변수들에 대한 다중공선성 진 단을 위해 VIF 값을 계산한 결과, 모형 Case 별로 대부분의 VIF 값이 3.0 미만으로 나타났으며, 가 장 큰 값이 8.8로 10 미만을 나타냈으므로 모든 설
명변수들을 동시에 입력하는 방식의 다중회귀모형 을 개발하여도 문제가 없을 것으로 판단하였다.
다양한 회귀 모형을 구축하여 분석한 결과 표 3 과 같이 신적설심이 25 cm 이상일 경우 회귀모형 의 신뢰도가 향상되는 것을 확인할 수 있었다. 또 한, 최심적설심을 사용하는 것보다 최심신적설심 을 사용하는 경우의 모형이 더욱 성능이 좋은 것 으로 나타났으며, 이는 현장조사를 통해 최심적설 량은 실제 상황을 재현하지 못한다는 것을 확인한 결과와도 일치한다. 그림 8에는 case 6과 case 12 의 회귀 분석 결과를 그림으로 보여준다. 다시 말 해, 강원, 전라, 충청도지역을 중심으로 분석한 결 과 최심신적설과, 최심적설량 모두 적설심 기준이 증가할수록 설명력이 향상되는 경향을 보였고 최 심신적설량을 이용한 모형이 최심적설량을 이용한 모형보다 전반적으로 더 높은 성능을 나타내었다.
특히, 최심신적설량을 이용한 Case 6 회귀모형의 경우 수정된 결정계수 값이 0.71로 높은 성능을 보 였다. 이 때의 P-value 역시 0.000으로 통계적으 로 유의한 결과를 보였다.
표 1. 최심적설심 Case 별 표본수
Case 적설심 기준 표본수
1 10cm 이상 400
2 13cm 이상 346
3 15cm 이상 315
4 18cm 이상 247
5 20cm 이상 226
6 25cm 이상 158
표 2. 최심신적설심 Case 별 표본수
Case 적설심 기준 표본수
7 10cm 이상 342
8 13cm 이상 278
9 15cm 이상 229
10 18cm 이상 184
11 20cm 이상 162
12 25cm 이상 91
3. 결론 및 대설 피해 저감 방안
본 연구에서는 대설로 인해 발생하는 피해 예방 및 대응 방안을 제시하고자 과거 피해액을 기반으 로 적설심에 따른 피해액을 예측하였다. 특히 우 리나라에서 발생했던 대설 피해의 큰 부분을 차지 하고 있는 비닐하우스의 피해를 예측하기 위한 모 형을 개발하였다. 비닐하우스는 매년 대설 피해를 입고 있으므로 시설 설계 기준이 강화되었지만, 시공 및 관리 체계의 부실에 대한 지적이 끊임없 이 나오는 부분이기도 하다. 그러므로 실제 대설 이 내린 현장 조사를 통해 같은 적설심에서도 유 지관리 등에 따라 피해가 달라지는 것을 확인하였 다. 이렇게 유지관리나 시공의 성실성과 같이 인 위적인 요소가 대설에 의한 비닐하우스의 피해에 영향을 미치는 상황에서 과거의 피해 사례만으로
미래의 피해를 예측하는 것은 한계가 있을 수 밖 에 없다. 그러므로 과거 피해 사례 중 작은 적설심 에서 발생했던 사례들을 분석에서 제외하고 기온 이나 농가의 노인 인구 등 다양한 기상, 사회, 경 제적인 요인들을 고려하기 위해 노력하였다. 그 결과, 최심신적설이 25 cm 이상 내릴 경우 피해 액을 예측하는 것은 어느 정도 가능해 보이며, 지 역별 과거 피해액을 참고해 대설 발생 시 가능 피 해액의 범위를 신속하게 파악할 수 있는 가능성이 커졌다. 이는 농민들이 비닐하우스에 대한 피해 저감 활동을 하기 위한 자료로 활용될 수 있으며, 비닐하우스의 시공 시에도 설계 기준 준수 등을 통해 피해 저감이 가능하다는 것을 홍보하기 위한 자료가 될 수 있다. 이러한 자료들을 근거로 향후 대설 피해 저감을 위한 지속적인 대국민 홍보나 교육도 중요할 것이다.
그림 8. 적설량 종류별 모형 성능 비교
Gooch, C.A. 1999. “Heavy Snow Loads.” Dairy Facilities/Environmental Management Engineering, Cornell University. Ithaca, NY.
참고문헌
